Dasher - Character LM
PA154 Jazykové modelování (4) Pavel Rychlý
pary@fi.muni.cz
March 16, 2017
Dasher
■ autoři: David MacKay, David Ward
■ Cambridge University; freeware
■ podpora pro vysoce efektivní textový vstup za použití jiných prostředků než standardní počítačové klávesnice
■ zadávání textu na obrazovce pomocí polohovacího zařízení (myš, joystick...)
■ používá pravděpodobnostní prediktivní jazykový model
■ stále se ladí (technologie zůstává stejná)
PA154 Jazykové modelování (4)
Dasher - Character LM
2/28
O Dasheru
■ Dasher je zdarma
■ open-source software
■ podléhá požadavkům GNU Generel Public License
■ abeceda pro více než 150 jazyků
■ možnost nastavení barvy písma
■ systém se učí a nabízí kombinace písmen, které jsou užívanější
PA154 Jazykové modelování (4)
Dasher - Character LM
3/28
Oblasti využití
asistivní technologie (postižení - bez rukou, s jednou rukou...) PDA a mobilní telefony složité jazyky (např. japonština)
PA154 Jazykové modelování (4)
Dasher - Character LM
4/28
Princip
File Edit Options Control Prediction Help
n
g
a nne
□ t O
□
be
To be or not to be
□
□th&tP I
em
1 ost BS
t
písmena v abecedním pořadí, každé písmeno je v obdélníku
obdélník s vybraným písmenem obsahuje opět úplnou abecedu, ze které lze vybrat 2.symbol atd.
základní myšlenka: písmena s větší pravděpodobností jsou ve větším obdélníku
o konkrétním rozložení se rozhoduje na základě jazykového modelu
PA154 Jazykové modelování (4)
Dasher - Character LM
5/28
"Inverznľaritmetické kódování
■ aritmetické kódování (komprese textu): kódové slovo je číslo z intervalu (0,1), postupným kódováním symbolů se intervaly zjemňují v poměru pravděpodobnosti výskytu znaku
■ v Dasheru reprezentuje ypsilonová souřadnice celý interval (0,1), kde každý symbol abecedy má přiřazen segment délky odpovídající pravděpodobnosti jeho výskytu v daném kontextu
PA154 Jazykové modelování (4)
Dasher - Character LM
6/28
Jazykový model
■ jazykové modely aproximující přirozený jazyk využívají statistické metody a jsou založeny na odhadech frekvence výskytu sekvencí slov
■ nejpoužívanější jsou n-gramové modely (bigramy, trigramy), které určují pravděpodobnost výskytu určitého slova se znalostí n-1 okolních slov
■ n-gramové modely je potřeba natrénovat z korpusu
PA154 Jazykové modelování (4)
Dasher - Character LM
7/28
PPM (Prediction by Partial Match)
■ jazykový model použitý v Dasheru se neomezuje jen na koncept slov
■ spojuje informace o n-gramech s pravděpodobnostmi výskytu jednotlivých symbolů ze slovníku
■ kontext 4-5 symbolů
PA154 Jazykové modelování (4)
Dasher - Character LM
8/28
PPM - 3 módy
Standard letter-based PPM (podle částečné shody počítá pravděpodobnost)
Word-based model (slovník s četností slov) Mixture model (PPM/dictionary)
PA154 Jazykové modelování (4)
Dasher - Character LM
9/28
Jazykový model (3)
■ jazykový model se učí v čase (učí se nové uživatelovy výrazy a obraty)
■ vše, co napíšeme, se automaticky ukládá do souboru jako další trénovací data
PA154 Jazykové modelování (4)
Dasher - Character LM
10/28
Další vlastnosti
■ import trénovacích dat jednoduše načtením souboru
■ zdroj dat pro češtinu: Ústav Českého národního korpusu FF UK
■ jakékoliv abecedy: např. i LaTeX, C, IPA
■ ostatní software - 2 módy: běžné psaní a doplňování slov (uživatel mezi nimi musí přepínat)
■ Dasher tyto režimy nerozlišuje
PA154 Jazykové modelování (4)
Dasher - Character LM
11/28
Druhy vstupních metod
počítačová myš touchpad touchscreen eyetracker headmouse dech tlačítka
PA154 Jazykové modelování (4)
Dasher - Character LM
12/28
Myš, touchpad, touchscreen
File   Edít  Options Help	
Dasher is great	
■ Rychlost vstupu s použitím myši: po 10 minutách tréninku 5-15 slov/min., po hodině 15-25 slov/min., zkušení uživatelé 40 slov za minutu
■ ukázka Dasheru
■ video: ipaq
Sneed	2.1	
		
PA154 Jazykové modelování (4)
Dasher - Character LM
13/28
Eyetracker
■ kamera + senzory snímající, na které místo na obrazovce zaměřuje uživatel pohled
■ cena: 3000 USD
PA154 Jazykové modelování (4)
Dasher - Character LM
14/28
Eye Dasher
rychlost vstupu: po deseti minutách tréninku 7 slov/min., po hodině 20 slov/min., zkušení uživatelé 30 slov za minutu
eyetracking bez Dasheru, jen s virtuální (on-screen) klávesnicí: 15 slov/min., error-rate 5x vyšší
poslední položka.
PA154 Jazykové modelování (4)
Dasher - Character LM
15/28
Eye Dasher - Uživatelská přívětivost
vstup za pomoci virtuální (on-screen) klávesnice je diskrétní (čekání na vypršení časovače, popř.mrknutí)
Dasher poskytuje spojitý vstup
video: eye_dasher
PA154 Jazykové modelování (4)
Dasher - Character LM
16/28
Headmouse
IR kamera reflexivní body cena: 150-300 USD
PA154 Jazykové modelování (4)
Dasher - Character LM
17/28
Breath Dasher
príma úměra mezi objemem plic a hodnotou ypsilonové souřadnice
jednodimenzionální (nelze zpět)
proto: Control mode
Control area (Stop, Pause, Move, Delete)
video: breath_dasher
PA154 Jazykové modelování (4)
Dasher - Character LM
18/28
Button Dasher
3 smery
■ dopredu nahoru
■ dopredu dolü
■ zpet
PA154 Jazykove modeloväni (4)
Dasher - Character LM
19/28
Dasher vs. rozpoznávání řeči
■ nepoužitelnost systémů pro automatické rozpoznávání řeči v hlučném prostředí
■ i u nejlepších rozpoznávačů asi 5 % chyb (náročná editace chyb)
PA154 Jazykové modelování (4)
Dasher - Character LM
20/28
Speech Dasher
■ 1. krok: standardní rozpoznávání řeči
■ 2. krok: kontrola a oprava rozpoznané promluvy pomocí Dasheru
■ rychlejší než oprava s použitím samostatného rozpoznávání řeči (speciální příkazy)
■ rychlejší než samostatný Dasher
■ video: speech_dasher
PA154 Jazykové modelování (4)
Dasher - Character LM
21/28
Další možnosti - Swype
vyvinuto společností Nuance Communications
psaní nepřerušovaným tahem na klávesách QWERTY
odhadování slov pomocí prediktivního slovníku (můžeme doplňovat i vlastní slova)
větší přesnost pro delší slova (krátká obvykle více možností interpretace tahu na obrazovce)
zápis bez diakritiky, nabízené varianty s diakritikou
PA154 Jazykové modelování (4)
Dasher - Character LM
22/28
Swype (2)
■ zvládá i jednoduchou interpunkci (i smajlíky)
■ aplikace je schopna učit se z Facebooku, Gmailu, Twitteru...
■ dostupný i v češtině
■ možnost diktování v angličtině pomocí modulu Dragon Dictation
■ video http : //www. youtube . com/watch?v=S J-RAef CG_c
PA154 Jazykové modelování (4)
Dasher - Character LM
23/28
Další možnosti -SwiftKey
■ zdarma pro Android (pro iOS pouze v angličtině)
■ učí se pomocí předchozí textové komunikace (SMS, Gmail, texty v RSS, přizpůsobuje se i písmenům, která opakovaně mačkáte mírně mimo)
■ více jazyků (i více zároveň)
■ oprava překlepů
■ predikce příštího slova (nabízí nepravděpodobnější varianty následujících slov)
PA154 Jazykové modelování (4)
Dasher - Character LM
24/28
SwiftKey (2)
■ kvalitní slovníky (odpovídají trendům v komunikaci)
■ lze psát ve stylu Swype (tažením) - pod funkcí Flow
■ lze zapnout funkce diktování v angličtině
■ video: http : / /www. youtube . com/watch?v=kA5Horw_SOE
PA154 Jazykové modelování (4)
Dasher - Character LM
25/28
Další možnosti -SlidelT
■ podobné klávesnici Swype - psaní tažením mezi znaky
■ nižší požadavky na přesnost psaní
■ kvalitní slovníky (možnost doinstalovat další)
■ dopočítává varianty slov, které chtěl uživatel napsat
■ automatické doplňování mezer a velkých písmen (bohužel chybové)
■ video: http : / /www. youtube . com/watch?v=Tp_7bWuvQwQ
PA154 Jazykové modelování (4)
Dasher - Character LM
26/28
Další možnosti -GO Keyboard
■ predikce v mnoha jazycích
■ možnost změny skinů a pozadí
■ možnost importu jmen a SMS do slovníku
■ podpora zadávání textu Swype stylem
■ video: http : / /www. youtube . com/watch?v=XQRRvSwpmWc
PA154 Jazykové modelování (4)
Dasher - Character LM
27/28
Další možnosti
■ Perfect keyboard
■ Touch Pal keyboard
■ Google keyboard
■ Siine Shortcut keyboard